ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN

BOOTSTRAP AGGREGATING CLASSIFICATION AND REGRESSION

TREES (BAGGING CART)

SKRIPSI

Disusun Oleh :

DESY RATNANINGRUM

24010211140097

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

SEMARANG

2015

i

ANALISIS KLASIFIKASI NASABAH KREDIT MENGGUNAKAN

BOOTSTRAP AGGREGATING CLASSIFICATION AND REGRESSION

TREES (BAGGING CART)

Disusun Oleh :

DESY RATNANINGRUM

24010211140097

Sebagai Salah Satu Syarat untuk Memperoleh Gelar Sarjana Sains

pada Jurusan Statistika

JURUSAN STATISTIKA

FAKULTAS SAINS DAN MATEMATIKA

UNIVERSITAS DIPONEGORO

SEMARANG

2015

ii

HALAMAN PENGESAHAN I

Judul : Analisis Klasifikasi Nasabah Kredit Menggunakan Bootstrap

Aggregating Classification and Regression Trees (Bagging

CART)

Nama : Desy Ratnaningrum

NIM : 24010211140097

Jurusan : Statistika

Telah diujikan pada sidang Tugas Akhir tanggal 5 Oktober 2015 dan dinyatakan

lulus pada tanggal 26 Oktober 2015.

Semarang, Oktober 2015

Mengetahui,

Ketua Jurusan Statistika

FSM UNDIP,

Dra. Dwi Ispriyanti, M.SiNIP. 195709141986032001

Ketua Panitia Penguji

Ujian Tugas Akhir,

Dra. Suparti, M.SiNIP. 196509131990032001

iii

iii

HALAMAN PENGESAHAN II

Judul : Analisis Klasifikasi Nasabah Kredit Menggunakan Bootstrap

Aggregating Classification and Regression Trees (Bagging

CART)

Nama : Desy Ratnaningrum

NIM : 24010211140097

Jurusan : Statistika

Telah diujikan pada sidang Tugas Akhir tanggal 5 Oktober 2015.

Semarang, Oktober 2015

Pembimbing I

Moch. Abdul Mukid, S.Si, M.SiNIP. 197808172005011001

Pembimbing II

Triastuti Wuryandari, S.Si, M.SiNIP. 197109061998032001

iv

iv

KATA PENGANTAR

Alhamdulillah, puji syukur kehadirat Allah SWT atas rahmat, hidayah,

serta karunia-Nya sehingga tugas akhir dengan judul “Analisis Klasifikasi

Nasabah Kredit Menggunakan Bootstrap Aggregating Classification and

Regression Trees (Bagging CART)” dapat terselesaikan.

Tugas akhir ini tersusun atas bimbingan dan kerjasama dari berbagai pihak

selama penulisan tugas akhir. Pada kesempatan ini penulis menyampaikan

terimakasih yang sebesar-besarnya kepada :

1. Ibu Dra. Dwi Ispriyanti, M.Si selaku Ketua Jurusan Statistika Fakultas Sains

dan Matematika Universitas Diponegoro.

2. Bapak Moch. Abdul Mukid, S.Si, M.Si selaku dosen pembimbing I dan Ibu

Triastuti Wuryandari, S.Si, M.Si selaku dosen pembimbing II atas bimbingan

dan arahannya.

3. Bapak dan Ibu dosen Jurusan Statistika Fakultas Sains dan Matematika

Universitas Diponegoro.

4. Semua pihak yang telah membantu penulis dalam penulisan tugas akhir ini.

Penulis menyadari bahwa penulisan tugas akhir ini masih belum sempurna.

Sehingga penulis mengharapkan kritik dan saran demi kesempurnaan penulisan

selanjutnya.

Semarang, Oktober 2015

Penulis

v

ABSTRAK

Kredit merupakan salah satu fasilitas yang disediakan oleh bank denganmeminjamkan uang kepada seseorang maupun badan usaha dalam jangka waktuyang ditentukan. Kelancaran pembayaran angsuran kredit sangat penting bagipihak bank karena sangat berpengaruh terhadap kinerja serta eksistensinya dalamkehidupan sehari-hari. Penerimaan calon nasabah kredit perlu dipertimbangkanuntuk meminimalisir terjadinya kredit macet. Classification and Regression Trees(CART) merupakan salah satu metode statistika yang dapat digunakan untukmengidentifikasi potensi status nasabah kredit yaitu kredit lancar dan kreditmacet. Variabel prediktor yang digunakan dalam penelitian ini yaitu jeniskelamin, usia, status marital, jumlah anak, pekerjaan, pendapatan, tenor/jangkawaktu, dan kepemilikan rumah. Untuk meningkatkan stabilitas dan akurasiprediksi digunakan metode Bootstrap Aggregating Classification and RegressionTrees (Bagging CART). Pengklasifikasian nasabah kredit menggunakan metodebagging CART menghasilkan ketepatan klasifikasi sebesar 81,44%.

Kata Kunci : Kredit, Bootstrap Aggregating Classification and Regression Trees(Bagging CART), Ketepatan Klasifikasi

vi

ABSTRACT

Credit is one of the facilities provided by banks to lend money to someone or abusiness entity within the prescribed period. The smooth repayment of credit isessential for the bank because it influences the performance as well as its presencein daily life. Acceptance of prospective credit customers should be considered tominimize the occurrence of bad credit. Classification and Regression Trees(CART) is a statistical method that can be used to identify potency of creditcustomer status such as current credit and bad credit. The predictor variables usedin this study are gender, age, marital status, number of children, occupation,income, tenor / period, and home ownership. To improve the stability andaccuracy of the prediction were used the Bootstrap Aggregating Classification andRegression Trees (Bagging CART) method. The classification of credit customersusing Bagging CART gives the classification accuracy 81,44%.

Keywords : Credit, Bootstrap Aggregating Classification and Regression Trees(Bagging CART), Classification Accuracy

vii

DAFTAR ISI

Halaman

HALAMAN JUDUL ............................................................................................... i

HALAMAN PENGESAHAN I .............................................................................. ii

HALAMAN PENGESAHAN II............................................................................ iii

KATA PENGANTAR ............................................................................................. iv

ABSTRAK............................................................................................................... v

ABSTRACT............................................................................................................ vi

DAFTAR ISI.......................................................................................................... vii

DAFTAR GAMBAR................................................................................................ x

DAFTAR TABEL..................................................................................................... xi

DAFTAR LAMPIRAN........................................................................................... xii

BAB I PENDAHULUAN

1.1 Latar Belakang ............................................................................. 1

1.2 Rumusan Masalah ....................................................................... 3

1.3 Batasan Masalah..................................................................................... 3

1.4 Tujuan........................................................................................... 4

BAB II TINJAUAN PUSTAKA

2.1 Pengertian Kredit.......................................................................... 5

2.1.1 Pengertian Kredit ............................................................... 5

2.1.2 Unsur-unsur Kredit............................................................. 5

2.1.3 Tujuan dan Fungsi Kredit................................................... 7

2.2 Classification and Regression Trees (CART)............................... 8

2.3 Struktur atau Bentuk Pohon Klasifikasi CART ............................ 9

viii

2.4 Binary Recursive Partitioning...................................................... 11

2.5 Langkah Kerja CART .................................................................. 12

2.5.1 Pemilahan Simpul (Splitting Nodes) ....................................... 13

2.5.2 Proses Pelabelan Kelas (Class Assignment) ............................ 16

2.5.3 Proses Penghentian Pemilahan (Stop the Splitting) .............. 17

2.5.4 Proses Pemangkasan Pohon Klasifikasi (Pruning) ............ 17

2.6 Bootstrap Aggregating (Bagging) ................................................ 20

2.7 Ketepatan Klasifikasi ................................................................... 21

BAB III METODOLOGI PENELITIAN

3.1 Data .............................................................................................. 23

3.2 Variabel Penelitian ....................................................................... 23

3.3 Langkah-langkah Analisis Data ................................................... 23

3.4 Diagram Alir Analisis Data ......................................................... 26

BAB IV HASIL DAN PEMBAHASAN

4.1 Deskripsi Data .............................................................................. 27

4.2 Pembagian Data............................................................................ 27

4.3 Deskripsi Data Learning Pohon Klasifikasi Pertama................... 29

4.4 Pembentukan Pohon Klasifikasi Pertama .................................... 29

4.4.1 Proses Pemilahan Simpul (Splitting Nodes)....................... 29

4.4.2 Proses Pelabelan Kelas (Class Assignment)....................... 36

4.4.3 Proses Penghentian Pemilahan (Stop the Splitting) ........... 37

4.4.4 Proses Pemangkasan Pohon Klasifikasi (Pruning) ............ 37

4.5 Prediksi pada Pohon Klasifikasi Pertama..................................... 42

ix

4.6 Pohon Klasifikasi Kedua sampai ke-25 ....................................... 43

4.7 Prediksi dengan Majority Vote ..................................................... 43

4.8 Ketepatan Klasifikasi Bagging CART ......................................... 44

BAB V KESIMPULAN .................................................................... 45

DAFTAR PUSTAKA ....................................................................... 46

LAMPIRAN ...................................................................................... 47

x

DAFTAR GAMBAR

Halaman

Gambar 1. Pohon Klasifikasi ......................................................................... 10

Gambar 2. Proses Partisi................................................................................. 12

Gambar 3. Pemilahan Simpul t....................................................................... 14

Gambar 4. Pohon Klasifikasi T ...................................................................... 18

Gambar 5. Cabang .................................................................................... 18

Gambar 6. Pohon Klasifikasi − ............................................................. 19

Gambar 7. Diagram Alir Metode Analisis Data ............................................. 26

Gambar 8. Pemilahan Simpul Akar pada Pohon Klasifikasi Pertama............ 36

Gambar 9. Simpul 23 dan 24 pada Pohon Klasifikasi Pertama...................... 37

Gambar 10. Simpul 13 pada Pohon Klasifikasi Pertama yang Dipangkas..... 40

Gambar 11. Simpul 4 pada Pohon Klasifikasi Pertama yang tidak

Dipangkas ................................................................................... 42

xi

DAFTAR TABEL

Halaman

Tabel 1. Matriks Konfusi................................................................................. 22

Tabel 2. Variabel Independen.......................................................................... 25

Tabel 3. Deskripsi Variabel Usia, Jumlah Anak, Pendapatan, dan Tenor/Jangka

Waktu................................................................................................. 27

Tabel 4. Deskripsi Variabel Jenis Kelamin, Status Marital, Pekerjaan, dan

Kepemilikan Rumah .......................................................................... 28

Tabel 5. Deskripsi Variabel Usia, Jumlah Anak, Pendapatan, dan Tenor/Jangka

Waktu pada Data Learning Pertama .................................................. 29

Tabel 6. Deskripsi Variabel Jenis Kelamin, Status Marital, Pekerjaan, dan

Kepemilikan Rumah pada Data Learning Pertama ........................... 30

Tabel 7. Goodness of Split Variabel Pekerjaan ............................................... 35

Tabel 8. Matriks Konfusi Hasil Klasifikasi Menggunakan Bagging CART... 44

xii

DAFTAR LAMPIRAN

Halaman

Lampiran 1. Data Nasabah Kredit Bank di Provinsi Lampung...................... 47

Lampiran 2. Pohon Klasifikasi Maksimal Pertama........................................ 48

Lampiran 3. Pohon Klasifikasi Optimal Pertama........................................... 49

Lampiran 4. Output Pemilahan Simpul (Splitting Nodes) pada Pohon

Klasifikasi Maksimal Pertama .................................................... 50

Lampiran 5. Observasi dan Prediksi Nasabah Kredit Bank di Provinsi

Lampung Tahun 2011 Berdasarkan Metode Bagging CART ... 52

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Lembaga keuangan merupakan suatu lembaga yang bergerak di bidang

keuangan dimana kegiatannya hanya menghimpun dana atau hanya menyalurkan

dana atau kedua-duanya menghimpun dan menyalurkan dana (Kasmir, 2004).

Salah satu lembaga keuangan yang dikenal oleh masyarakat adalah bank. Di

Indonesia, terdapat berbagai jenis bank yang menyediakan berbagai layanan jasa

keuangan yang dibutuhkan baik oleh masyarakat maupun perusahaan.

Bank menurut Undang-Undang RI nomor 10 tahun 1998 tentang perbankan

adalah badan usaha yang menghimpun dana dari masyarakat dalam bentuk

simpanan dan menyalurkannya kepada masyarakat dalam bentuk kredit dan atau

bentuk-bentuk lainnya dalam rangka meningkatkan taraf hidup rakyat banyak

(Kasmir, 2002). Jelas dikatakan bahwa bank memiliki peran penting terhadap

kelangsungan hidup masyarakat. Seseorang atau kelompok yang memiliki usaha

atau sedang akan merintis usaha tidak perlu khawatir lagi jika merasa tidak

memiliki modal atau kekurangan modal, karena bank tidak hanya berfungsi

sebagai tempat menyimpan uang tetapi menyediakan jasa keuangan lainnya yang

dapat dimanfaatkan. Salah satu jasa keuangan yang kini sangat diminati oleh

masyarakat maupun perusahaan adalah layanan jasa kredit.

Undang-Undang No. 10 tahun 1998 dalam Kasmir (2002) menyebutkan

bahwa kredit adalah penyediaan uang atau tagihan yang dapat dipersamakan

2

dengan itu, berdasarkan persetujuan atau kesepakatan pinjam meminjam antara

bank dengan pihak lain yang mewajibkan pihak peminjam untuk melunasi

utangnya setelah jangka waktu tertentu dengan pemberian bunga. Dengan

menggunakan jasa kredit ini, seseorang akan merasa terbantu untuk membiayai

kebutuhan mereka baik kebutuhan pribadi maupun sebagai modal usaha, tetapi

mereka memiliki kewajiban untuk membayar angsuran dalam jangka waktu yang

ditentukan. Namun pada kenyataannya, tidak semua orang taat untuk membayar

angsuran kredit pada waktu yang ditentukan. Hal ini dapat merugikan pihak bank

jika terjadi dalam waktu berkepanjangan sehingga pihak bank harus selektif dalam

menerima calon debitur untuk meminimalkan resiko kredit macet.

Lancar atau tidaknya pembayaran angsuran kredit sangat penting bagi pihak

bank karena sangat berpengaruh terhadap kinerja serta eksistensisnya dalam

kehidupan sehari-hari. Untuk itu diperlukan suatu cara agar dapat mengetahui

bagaimana pola nasabah yang dikatakan lancar maupun tidak lancar sehingga

dapat membantu pihak bank dalam mengklasifikasikan nasabahnya. Dengan

demikian pihak bank dapat mempertimbangkan calon nasabah yang akan diterima

ataupun ditolak dari hasil pengklasifikasian tersebut.

Salah satu metode statistika yang dapat digunakan untuk mengklasifikasikan

nasabah kredit yaitu kredit lancar dan kredit macet adalah Classification and

Regression Trees (CART). Tujuan dari CART adalah mengklasifikasikan suatu

kelompok observasi atau sebuah observasi ke dalam suatu sub kelompok dari

suatu kelas-kelas yang diketahui. CART memiliki beberapa kelebihan diantaranya

yaitu hasilnya mudah diinterpretasikan dan lebih cepat perhitungannya. Metode

3

ini merupakan metode yang dapat diterapkan pada data yang memiliki jumlah

besar dan variabel yang banyak. Namun demikian, hasil pohon klasifikasi CART

cenderung tidak stabil, karena perubahan-perubahan kecil pada data learning akan

mempengaruhi hasil akurasi prediksi. Menurut Breiman (1996) untuk

memperbaiki stabilitas dan kekuatan prediksi CART dapat digunakan metode

bootstrap aggregating (bagging) CART.

Berdasarkan latar belakang, penulis akan melakukan pengklasifikasian

dengan metode bagging CART untuk mendapatkan prediksi terhadap nasabah

kredit, sehingga pada penelitian ini penulis memilih judul “Analisis Klasifikasi

Nasabah Kredit Menggunakan Bootstrap Aggregating Classification and

Regression Trees (Bagging CART)”.

1.2 Rumusan Masalah

Berdasarkan latar belakang, permasalahan yang akan dibahas pada

penelitian ini adalah bagaimana menentukan ketepatan pengklasifikasian nasabah

kredit berdasarkan analisis Bootstrap Aggregating Classification and Regression

Trees (Bagging CART)?

1.3 Batasan Masalah

Dalam penyusunan tugas akhir ini terdapat batasan masalah pada

pembahasan tentang pengklasifikasian nasabah kredit menggunakan metode

Bootstrap Aggregating Classification and Regression Trees (Bagging CART).

Pembahasan hanya dilakukan pada pembentukan pohon klasifikasi, dan data yang

digunakan adalah nasabah kredit pada salah satu bank di Provinsi Lampung.

4

1.4 Tujuan

Berdasarkan permasalahan yang telah disampaikan, tujuan penelitian tugas

akhir ini yaitu menentukan nilai ketepatan hasil pengklasifikasian nasabah kredit

berdasarkan analisis Bootstrap Aggregating Classification and Regression Trees

(Bagging CART).